DigitalHistoryTagebuch#3: Die Beziehungen in unseren Quellen

Hallo an all euch Historiker und Historikerinnen! Willkommen zu meine dritten Blogbeitrag, welcher heute über Beziehungen in unseren transkribierten Texten handeln wird. Beziehungen? Was ich wohl damit meine?
Nun ja in den letzten Wochen haben wir uns im Rahmen der Übung mit der historischen Netzwerkanalyse befasst. Aber auch mit sogenannten Named Entities oder wie man solche Netzwerkanalysen visualisieren kann. Aber lasst uns starten!

Bevor wir eine sogenannte Netzwerkanalyse starten konnten, auf welche ich später noch genauer eingehen möchte, mussten wir aus unseren transkribierten Texten einige Informationen locken. Dafür untersuchten wir sie nach und marktieren so genannte Named Entities. Solltest du diesen Begriff noch nicht gehört haben, folgt eine kleine Bescheibung. Einfach gesagt handelt es sich dabei um ein eindeutig bestimmbares Informationsobjekt. Es kann sich also um Personen, Organisationen, Orte, Länder etc. handeln, Dinge nach welche man fragen kann und eine klare Antwort/Information erhält. Bei der annotierung von Named Entities kann es jedoch zu einigen Schwierigkeiten kommen. So muss man sich häufig die Frage stellen, was genau ein Ort ist. versteht man darunter ausschließlich Städte, Gemeinden, Dörfer und ähnliches, oder gilt ein Museum, Gemeindehaus auch als Ort? Ähnliche Fragen muss man sich bezüglich Personen stellen. So kann eine Person im Text als Otto Mustermann bezeichnet werden, aber ebenso als O. M., O. Mustermann, Otto M. und vieles mehr. Bei O. M. kommt hinzu, dass es nicht unbedingt eindeutig ist, ob mit diesen Initialen auch die gleiche Person gemeint ist.
Doch wo und wie kann man solche Named Entities in einem Text notieren?
Hier kommen wir wieder auf das Programm aus meinem ersten Blog zurück: Transkribus. Vorweg genommen könnte man natürlich auch von Beginn an die Named Entities in einer Excel-Tabelle ohne zusätzliches Programm erfassen, jedoch bietet Transkribus hier doch einige praktischen Features und es geht doch etwas schneller.

Bei dem Großteil der Artikel habe ich die Named Entities nachträglich eingegeben. Möchte man sich diese doppelte Arbeit ersparen kann man es auch parallel mit der Korrektur der Texte machen. Doch plant einiges an Zeit ein, da man damit doch etwas Zeit verbringt. 🙂

Transkribus: Tags-Options

Ein bereits angesprochenes Feature von Transkribus in dieser Hinsicht ist, dass man sich nicht erst Kategorien für die Names Entities zurecht legen muss, sondern das Programm bereits wichtige wie “Place”, “Person”, “Organisation” etc. vorgibt. Darüber hinaus können diese dann unter dem Reiter “Metadaten” auch noch beliebig mit weiteren Informationen bearbeitet werden.

Transkribus: Named Entities

Diese markierten Named Entities werden dann in Transkribus schön in verschiedenen Farben ausgezeichnet. Einen großen Vorteil davon sehe ich darin, dass diese Liste von Named Entities auch

Transkribus / Excel: Ausgebene Excel-Datei mit Named Entities

als Excel-Datei exportiert werden kann! In dieser Datei findet man dann nicht nur die Liste und der markierten Informationen, sondern auch, Seitenanzahl, Kontext, zugeordneter Tag und noch mehr Infos. Der Nächste Schritt in Richtung Netzwerkanalyse war dann, diese Named Entities zu “ordnen”. Hierzu muss man verstehen was überhaupt unter einer Netzwerkanalyse gemeint ist.

“A social network consits of a finite set or sets of actors and the relation or relations defined on them.” [1]

Ein soziales Netzwerk beschreibt / visualisiert die Beziehungen von verschiedenen Akteuren. Um von einem Netzwerk zu sprechen müssen mindestens drei Akteure beteiligt sein. Wendet man dies nun auf die Geschichtswissenschaften an spricht man von einer so genannten historischen Netzwerkanalyse. Man verwendet dabei die Theorien und Methoden der sozialwissenschaftlichen Netzwerkanalyse auf historische Fragestellungen und Daten an. Da es sich hierbei jedoch um einiges an Arbeit handelt, solltet ihr euch zuvor gut überlegen ob eure Fragestellung bzw. Daten so spezialisiert werden können, dass eine Netzwerkanalyse weiterverarbeite Ergebnisse liefern kann. Die Netzwerkanalyse ist generell ein sehr nützliches Tool um zum einen einen neuen Blick auf historische Ereignisse / Beziehungen zu bekommen, aber es hilft auch bei der Visualisierung solcher Zusammenhänge.

Für meinen Korpus bestehend aus diversen Artikel der Arbeiterinnen-Zeitung aus dem Jahr 1919 musste ich mir also in einem nächsten Schritt überlegen, wie ich die ausgewählten Named Entities in Zusammenhang bringen könnte. Während der Erarbeitung der Named Entities kam leider bereits ein verdacht bei mir auf, dass diese Zeitung nicht unbedingt am besten geeignet ist für ein solches verfahren, was sich dann bei der Erstellung der Excel-Datei für die Netzwerkanalyse bestätigte. In der Arbeiterinnen-Zeitung sind leider nicht häufig, Orte, Personen, Autoren / Autorinnen oder ähnliches genannt. Die genannten Personen dann noch Orten oder Organisationen zuzuordnen ist, zumindest bei den von mir ausgewählten Artikeln, schwierig gewesen. Da ich jedoch das Thema “Frauenrechte” für meine Korpus gewählt hatte, überlegte ich mir meine Tabelle in “Thema”, “Namen”, “Organisationen” und “Orte” zu unterteilen. Im Reiter Thema, stellte sich vor allem drei besonders in jener Zeit heraus. Dies war zum einem die Frauenreichskonferenz, allgemein die Frauenbewegung und die Diskussion um die Abtreibung. Diese wollte ich dann mit Orten, Ländenr, Organisationen und Personen verbinden.

Palladio: Startseite

Hat man all diese Schritte hinter sich gebracht kann man diese Liste mit verschiedenen Programmen bearbeiten / analysieren lassen. Eigenen würden sich Programme wie Palladio, Nodegoat oder Gephi etc. Wir beschäftigten uns im Rahmen des Kurses mit Palladio[2]. Gleich vorweg muss ich sagen, dass so kompliziert sich die Prozesse hinter einer Netzwerkanalyse darstellen möchten und auch wenn die Vorbereitung einiges an Zeit in Anspruch nimmt, so überraschend einfach und selbsterklärend ist Palladio.
Das wichtigste ist, dass man bei der Erstellung der Excel-Datei darauf achtete die Akteure in der ersten Zeile zu nennen, damit Palladio gleich diese erkennen und kategorisieren kann.

Wenn man die Dateien in Palladio hochgeladen hat, kategorisiert die App die Daten nach den vorgegeben Akteuren. Anschließend kann man verschiede Formen der Visualisierung aussuchen. In einem ersten Schritt habe ich mir die Beziehungen verschiedener Akteure darstellen lassen.

Der erste Versuch setzte die Themen mit den Personen und Organisationen in Beziehung. Da überwiegend viele Artikel meines Korpus über die Frauenreichs-konferenz handeln ist es

nicht verwunderlich, dass sich hier die meisten Daten / Beziehung finden. Überrascht hat mich lediglich, dass keine Personen / Organisationen von den Themen “Frauenbewegung” oder “Frauenreichskonferenz” mit dem Thema “Abtreibung” zu tun hatte.

Daher hab ich in einem zweiten Versuch die Themen mit Orten in Verbindung setzten lassen, um zu sehen ob es hier zu Überschneidungen kommt.

Excel-Datei: Ortschaften mit dazugehörigen Koordinaten

Wie jedoch bereits angedeutet kann nicht nur die Beziehungen in Palladio darstellen lassen, sondern diese auch auf Landkarten übertragen. Hierfür haben wir Orte aus unserer Texte genommen und die Koordinaten dazu herausgesucht.

Wie bei der Darstellung der Beziehungen kann man diese neue Datei ebenfalls auf Palladio hochladen und geht nun anstatt auf Graph auf Map. Dann muss man nur noch einige Einstellungen bzgl. Layer und darzustellende Punkte treffen und schon erscheint die folgende Darstellung:

Palladio: Darstellung der Named Entities auf einer Karte

Was ist jedoch mein Fazit über diese Art der Auswertung?
Wie schon so vieles bin ich auch hier über die Möglichkeiten, welche damit einhergehen fasziniert. Jedoch musste ich feststellen, dass man für eine Netzwerkanalyse auch passende Daten und Fragestellung haben muss. Es lohnt sich daher auf alle fälle seine Daten zu Beginn der Arbeit / Vorbereitung genau auf diese Aspekte hin zu untersuchen. Sollte sich jedoch die Quellenlage dafür eigenen, kann man mit Sicherheit viele interessante Informationen ziehen.

An diesem Punkt möchte ich jedoch meinen Blog zu der Netzwerkanalyse schließen.
Ich würde mich sehr freuen, wenn ich Anfang Juli wieder vorbei schaut und auch meinen für dieses Semester letzten Blogbeitrag verfolgt, in welchem ich mit einem Resümee über die Arbeit mit Digital History meinen ersten Blog beenden möchte.

Bis Bald,
Eure Mara! 🙂

Literatur / Links:
[1] Wasserman, Stanley / Faust, Katherine, Social Networks Analysis. Methods and Applications, New York 1994.
[2] Palladio: http://hdlab.stanford.edu/palladio/


Das könnte dich auch interessieren …

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.

Suche in OpenEdition Search

Sie werden weitergeleitet zur OpenEdition Search